Do Simpler Statistical Methods Perform Better in Multivariate Long Sequence Time-Series Forecasting?
长序列时间序列预测因其难以始终保持低预测误差而成为多变量时间序列分析中的核心问题。最近的研究集中在开发大型深度学习框架,如Informer和SCINet,并取得了显著的结果。然而,这些复杂的方法并没有与更简单的统计方法进行基准测试,因此,这部分拼图在多变量长序列时间序列预测(MLSTF)中缺失。本文研究了两种简单的MLSTF统计方法,并进行了分析,表明线性回归比深度学习方法有一个误差上界,而SNaive可以作为一种有效的非参数方法,具有不可预测的趋势。对六个真实世界数据集的评估表明,线性回归和SNaive能够实现最先进的MLSTF性能。